-
公开(公告)号：CN111768490B
公开(公告)日：2023-06-27
申请号：CN202010406089.7
申请日：2020-05-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于迭代最近点与人工干预的植物三维建模方法及系统，该方法包括下述步骤：多视角获取植物的点云数据；对获得的植物点云进行可视化操作；根据人机交互算法定位感兴趣的点云区域并切除背景；基于统计分析的方法判别离群点噪声并滤除离群点噪声；对获得的多组点云进行初始配准；采用初始配准后的点云作为初始解，采用ICP配准算法进行精准配准，得到精准配准结果；采用体素化网格法进行点云精简，得到最终的植物三维模型。本发明采用多视角获取植物点云数据，解决枝叶遮挡问题，对植物点云数据去除边缘噪声，提出人工干预和点云的精准配准方法，在植物枝叶相互遮挡的情况下，能够很好地建立植物的三维模型。
-
Patent Agency Ranking
公开(公告)号：CN110414610B
公开(公告)日：2021-10-22
申请号：CN201910702143.X
申请日：2019-07-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种果园土壤聚类系统及方法，该系统包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；数据采集节点包括：电源模块和分别与电源模块电连接的处理器、传感器及通信模块；处理器分别与传感器、通信模块连接；通信模块通过所述数据传输网关将数据发送给所述数据存储模块；数据处理模块，用于将所述数据存储模块存储的数据进行预处理；建模聚类模块，根据机器学习算法中的K‑means聚类对预处理后的数据进行建模并聚类。该系统可对果园土壤类型进行聚类，让用户清楚的了解土壤的类型，有利于果园分块管理，能有效提高果园灌溉系统的效率，从而针对不同的土壤采取不同的灌溉方法。
-
公开(公告)号：CN110135371A
公开(公告)日：2019-08-16
申请号：CN201910419761.3
申请日：2019-05-20
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于Mixup算法的柑橘黄龙病识别方法及装置，该方法包括：将待分类的图像进行预处理，对预处理后的图像进行数据增强；将数据增强后的图像进行Mixup算法处理，建立样本之间的线性关系；对处理后的图像的像素点进行BN批量归一化处理，使所述像素点符合正态分布；将所述正态分布的像素点输入基于模型融合的深度可分离卷积分类模型，输出所述图像的分类结果。该方法解决了传统数据增强方法过于依赖原始图像和对抗性样本泛化性不足的局限性，采用基于模型融合的深度可分离卷积分类模型，提高了识别效率，降低了过拟合现象，鲁棒性强。
-
公开(公告)号：CN111768490A
公开(公告)日：2020-10-13
申请号：CN202010406089.7
申请日：2020-05-14
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于迭代最近点与人工干预的植物三维建模方法及系统，该方法包括下述步骤：多视角获取植物的点云数据；对获得的植物点云进行可视化操作；根据人机交互算法定位感兴趣的点云区域并切除背景；基于统计分析的方法判别离群点噪声并滤除离群点噪声；对获得的多组点云进行初始配准；采用初始配准后的点云作为初始解，采用ICP配准算法进行精准配准，得到精准配准结果；采用体素化网格法进行点云精简，得到最终的植物三维模型。本发明采用多视角获取植物点云数据，解决枝叶遮挡问题，对植物点云数据去除边缘噪声，提出人工干预和点云的精准配准方法，在植物枝叶相互遮挡的情况下，能够很好地建立植物的三维模型。
-
公开(公告)号：CN110414610A
公开(公告)日：2019-11-05
申请号：CN201910702143.X
申请日：2019-07-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种果园土壤聚类系统及方法，该系统包括：依次连接的数据采集节点、数据传输网关、数据存储模块、数据处理模块和建模聚类模块；数据采集节点包括：电源模块和分别与电源模块电连接的处理器、传感器及通信模块；处理器分别与传感器、通信模块连接；通信模块通过所述数据传输网关将数据发送给所述数据存储模块；数据处理模块，用于将所述数据存储模块存储的数据进行预处理；建模聚类模块，根据机器学习算法中的K-means聚类对预处理后的数据进行建模并聚类。该系统可对果园土壤类型进行聚类，让用户清楚的了解土壤的类型，有利于果园分块管理，能有效提高果园灌溉系统的效率，从而针对不同的土壤采取不同的灌溉方法。
-
公开(公告)号：CN109685737A
公开(公告)日：2019-04-26
申请号：CN201811579417.2
申请日：2018-12-24
Applicant: 华南农业大学
CPC classification number: G06T5/003 , G06N3/0454
Abstract: 本发明公开了一种图像去雾方法，具体包括以下步骤：搭建基于ResNet的深度神经网络模型；采集训练数据集并训练网络模型；设计神经网络模型损失函数，使神经网络模型更精确地实现对有雾图像的去雾清晰化处理；精简压缩神经网络模型，压缩神经网络模型计算量；使用训练好的神经网络模型对待处理图像进行端到端去雾清晰化处理。本发明通过压缩神经网络模型，使模型计算量和参数数量明显下降，减少运行时间，可在移动端稳定运行。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
